Determinantes de la intensidad exportadora de las PyMEs industriales en Argentina Determinants of exports intensity of industrial SMEs in Argentina
Lucas FERRERO Universidad Nacional del Nordeste
[email protected]
Carlos Matías HISGEN Universidad Nacional del Nordeste
[email protected]
Abstract This paper empirically explores small and medium enterprises export intensity dynamics in Argentina, over the 2004-2011 period, and its decomposition by regions and technology sectors. Evidence is presented about general determinants of the export intensity, defined as the exported share of total sales. Results confirm an export intensity contraction showing a larger size since 2007. High technology sectors present minor relative contraction, in the same way as central regions with large clusters and less costs. Finally, firm size effect differs across geographic region and technology sector. Keywords: export dynamics, international trade, heterogeneity, panel data, censored data. JEL classification: L25, C21, C23, C24, C41 Resumen Este trabajo explora empíricamente la dinámica de la intensidad exportadora de empresas PyME en Argentina, durante el período 2004-2011, y su descomposición por regiones y sectores tecnológicos. Se presenta evidencia sobre los determinantes de la intensidad exportadora, definida como el porcentaje exportado de las ventas totales. Los resultados confirman una contracción de la intensidad exportadora, con mayor fuerza desde el año 2007. Los sectores con mayor nivel tecnológico presentan una menor contracción relativa. Lo mismo ocurre en los territorios centrales, con mayor aglomeración y menores costos. Finalmente, el efecto del tamaño de las empresas es heterogéneo según región geográfica y sector tecnológico. Palabras clave: dinámica exportadora, comercio internacional, heterogeneidad, datos en panel, datos censurados. Clasificación JEL: L25, C21, C23, C24, C41
Este trabajo forma parte de un Programa de Investigación Acreditado por la Secretaria de Ciencia y Técnica de la Universidad Nacional del Nordeste (Argentina). Los autores también forman parte del CIDETI (Centro de Investigaciones sobre Desarrollo Económico, Territorio e Instituciones). Página 1 de 32
1. Introducción A partir de la devaluación de su moneda en el año 2002, Argentina experimentó un proceso de crecimiento económico impulsado tanto por el incremento de las exportaciones como por la expansión de su mercado interno. En este contexto las empresas industriales encontraron altos incentivos para expandir sus ventas tanto en el mercado interno como el externo. Hasta el período 2007-2008 Argentina presentaba un tipo de cambio real multilateral (TCRM) relativamente elevado que favoreció la actividad exportadora industrial. A partir de dicho período confluyeron al menos dos hechos que impulsaron una aceleración en la senda de apreciación del Tipo de Cambio Real Multilateral (TCRM), como se aprecia en el Gráfico 1.1. Gráfico 1.1 Tipo de cambio real multilateral y tipos de cambio bilaterales (base ´01) 3,5 3 2,5 2 1,5 1
Brasil China
0,5
USA TCRM
Europa
jul-12
nov-11
jul-10
mar-11
nov-09
jul-08
mar-09
nov-07
mar-07
jul-06
nov-05
jul-04
mar-05
nov-03
jul-02
mar-03
nov-01
jul-00
mar-01
nov-99
jul-98
mar-99
0
Fuente. Elaboración propia en base a Banco Central de la República Argentina y ajustando el Índice de Precios Consumidor en base al promedio de provincias.
En primer lugar se verificó un shock de precios de commodities (Gráfico 1.2) el cual impulsó las exportaciones de materias primas, afectando al TCRM mediante diversos canales relacionados al fenómeno de Enfermedad Holandesa.1
1
El concepto de Enfermedad Holandesa (Dutch disease) generalmente se refiere a los efectos adversos generados sobre el sector productor de transables debido a un shock positivo persistente sobre el sector productor de bienes primarios en un país Página 2 de 32
Gráfico 1.2 Índice de precios de commodities y Términos de Intercambio (base ´93)
Índice de precios base '93
250,0 200,0 150,0 100,0 50,0 0,0 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Términos de Intercambio Precio Maíz
Precio Soja Precio Trigo
Fuente: Información Económica al día. Dirección Nacional de Política Macroeconómica. Secretaría de Política Económica y Planificación del Desarrollo. Ministerio de Economía y Finanzas Públicas. http://www.mecon.gov.ar/peconomica/basehome/infoeco.html
En segundo lugar, la economía argentina convergió a un nivel de producción cercano al de pleno empleo, situación que propició el aumento del costo de los factores productivos (en particular el salario real), y por extensión del nivel de precios internos, en un contexto de expansión económica (Gráfico 1.3). También se sumaron otros aspectos de política económica domésticas. Para un análisis detallado de los canales mencionados véase Carlino et al. (2013), donde se exploran los determinantes de la apreciación tendencial del TCR a nivel macroeconómico durante el período pos-convertibilidad en la Argentina (2003-2012) y sus efectos sobre la estructura productiva nacional agregada. El presente trabajo explora empíricamente la dinámica de la intensidad exportadora (IE), definida como el porcentaje de las ventas totales que se destina a exportación, a nivel de pequeñas y medianas empresas (PyMEs) durante el período 2004-2011. A la vista de los hechos descriptos previamente, resulta interesante cuantificar la conducta de la IE de las PyMEs, bajo la presión de deterioro de precios relativos en el sector productor de bienes exportables, en especial la dinámica pre y post “shock de precios de commodities/convergencia al pleno empleo”. El enfoque se concentra en aspectos que acentúan o debilitan la vulnerabilidad externa del sector PyME industrial en cuanto a su desempeño exportador. Tanto el tamaño, la ubicación geográfica y la intensidad tecnológica de las empresas analizadas son factores que afectan diferenciadamente el exportador neto de productos del sector. Los sectores exportadores no tradicionales, en particular, el sector industrial, ven reducida su competitividad y tienden a contraerse en cuanto a su importancia relativa en la estructura productiva interna y de comercio exterior. Página 3 de 32
desempeño externo, dentro de un contexto de reorientación agregada del sector hacia el mercado interno. Gráfico 1.3 Tasa de desempleo y salarios en dólares (variación %) 25,0%
25,00
20,0%
20,00
15,0%
15,00
10,0%
10,00
5,0%
5,00 Subocupación
Desocupación
Indice Salario U$D
I.13
I.12
III.12
III.11
I.11
I.10
III.10
I.09
III.09
I.08
III.08
I.07
III.07
III.06
I.06
I.05
III.05
III.04
I.04
I.03
-
III.03
0,0%
Fuente: Información Económica al día. Dirección Nacional de Política Macroeconómica. Secretaría de Política Económica y Planificación del Desarrollo. Ministerio de Economía y Finanzas Públicas. http://www.mecon.gov.ar/peconomica/basehome/infoeco.html
Los resultados obtenidos confirman una contracción de la IE de las PyME a nivel agregado a lo largo de todo el período con una contracción creciente a partir del año 2007. Los sectores con mayor intensidad tecnológica presentan una menor contracción relativa al resto de los sectores. Lo mismo ocurre en los territorios centrales, con mayor aglomeración y menores costos, respecto a los más periféricos como las regiones NEA y NOA. Finalmente, a nivel de escala los resultados son dispares. A nivel agregado las empresas de menor tamaño presentan una mayor contracción en su sesgo exportador respecto a las de mayor escala. Sin embargo, a nivel regional, las empresas de menor escala redujeron su IE en mayor medida en la región NEA, mientras que las PyMEs de mayor escala hicieron lo propio en las regiones Cuyo y NOA. A nivel sectorial, los patrones de contracción se reproducen en la partición por escala, con las empresas de menor intensidad tecnológica exhibiendo la mayor contracción, mientras que las empresas de mayor intensidad tecnológica presentan un menor o nulo deterioro en la IE. La contribución del trabajo reside, en primer lugar, en apartarse del enfoque agregado/macroeconómico para hacer foco en el sector de Pequeñas y Medianas Empresas. En el ámbito PyME industrial, los canales de transmisión y los efectos esperados del
Página 4 de 32
deterioro sistémico de precios relativos para el sector industrial se manifiestan directamente. En segundo lugar, caracterizar cuantitativamente una heterogeneidad a nivel de regiones y sectores tecnológicos, denotando que las presiones e incentivos macroeconómicos operan en forma asimétrica entre grupos de empresas. En la implementación empírica se utiliza la base "Encuesta Estructural a PyMEs industriales", que contiene datos de encuestas a nivel de empresas PyMEs durante el período 2004-2011.2 Se aplican metodologías de estimación estándar para datos en paneles desbalanceados y censurados, las cuales son descriptas en el Anexo. El resto del trabajo se estructura de la siguiente manera. A continuación la Sección 2 discute informalmente el basamento teórico del trabajo y la literatura relacionada. En la Sección 3 se describen y exploran las variables empleadas. La Sección 4 presenta los resultados obtenidos con el análisis empírico y finalmente, en la Sección 5 se resumen las principales conclusiones.
2. Encuadre teórico 2.1 Marco teórico y literatura relacionada El marco de referencia tiene tres pilares principales. El primero, vinculado al efecto de las apreciaciones del tipo de cambio real sobre la competitividad de las exportaciones en general y del sector industrial en particular. Estos procesos afectan negativamente la rentabilidad de los sectores productores de transables en general. Rodick (2008) encuentra que depreciaciones reales (relativas) fomentan el crecimiento y la diversificación productiva en países en vías de desarrollo y que las apreciaciones reales tienen el efecto opuesto.3 Dentro de esta rama se ubica la apreciación inducida por shocks positivos en términos de intercambio, conocida como enfermedad holandesa (Corden y Neary 1982). En este contexto, la apreciación real afecta positivamente al sector favorecido pero negativamente al sector no favorecido por el shock sobre términos de intercambio. La evidencia sobre este último canal es ambigua en términos empíricos. Tanto Carlino y otros (2013) para el caso argentino, como distintos trabajos a nivel internacional (Ismail 2010), encuentran que si 2
La encuesta es relevada por la Fundación Observatorio PyME, www.observatoriopyme.org.ar, sobre una muestra determinada por el INDEC. Más adelante se resumen aspectos relevantes del diseño muestral y las características de la encuesta. 3 Las apreciaciones reales desalineadas pueden producirse por políticas de estabilización, por desequilibrios macroeconómicos o de las políticas macroeconómicas, por influjos de capitales, por shocks favorables en los términos de intercambio, y por combinaciones de estos factores. Ver Carlino y otros (2013) para una revisión y referencias. Página 5 de 32
bien la apreciación real se produce, el efecto sobre las estructuras de exportaciones y de producción interna es ambigua. En este trabajo el foco en el nivel PyME deja fuera las grandes empresas vinculadas a diversas formas de comercio administrado (como el sector automotriz) y se concentra en el sector más disperso como sujeto de negociación y acuerdos de comercio internacional. El segundo pilar se refiere a los efectos de variables agregadas sobre empresas heterogéneas en su estructura de costos, diferenciación y/o poder de mercado. Estas dimensiones afectan sus posibilidades de subsistencia en los distintos mercados diferencialmente. Por ejemplo, Melitz (2003) y Melitz y Ottaviano (2006) extienden el núcleo de la nueva geografía económica, para incluir aspectos idiosincráticos a nivel empresa como variables explicativas de la heterogeneidad de desempeño exportador por sobre determinantes tradicionales comunes como el tamaño del mercado regional y los costos de transporte. Melitz modela un mecanismo a través del cual, la desregulación del comercio y la apertura comercial pueden inducir un incremento de la productividad promedio, sin que esto implique un incremento del bienestar. Más en particular, la reducción de costos relativos del comercio en un contexto de competencia monopolística presiona al sector transable y lleva a las empresas a re-direccionar su producción al mercado interno y en algunos casos a dejar de producir; solo las más productivas son capaces de sostener los mercados de exportación ante la apertura comercial. El último pilar de referencia se refiere a la agenda empírica aplicada al desempeño de empresas exportadoras. Una primera ola de resultados empíricos basados en micro datos disparó las objeciones a los modelos existentes de comercio internacional e inspiró nuevos basados en distintas formas de heterogeneidad de empresas. En general, los resultados sugirieron la importancia del comercio intra-industrial, la baja participación de exportadores sobre el total de empresas y producción en un país, y las diferencias sistemáticas existentes entre las empresas exportadoras y las dedicadas al mercado doméstico. Bernard y otros (2007) resaltan que las empresas exportadoras son más grandes en cantidad de empleados y ventas, más productivas y usan una combinación de insumos diferente. Recientemente, la agenda ha incluido la medición del efecto de shocks sistémicos de distinta duración sobre el desempeño de las firmas, lo que nuevamente devuelve interrogantes a los marcos teóricos establecidos en comercio. Konings y Vandenbussche (2008), por ejemplo, exploran las respuestas heterogeneas de empresas a medidas antidumping comunes a nivel de empresas para la Unión Europea; encuentran que las empresas de menor productividad se ven favorecidas e incrementan su participación externa y su productividad, mientras que las mas eficientes experimentan pérdidas de
Página 6 de 32
productividad. En otro, Manova (2013) modela y explora el efecto de shocks sobre el crédito (financial frictions) sobre el desempeño exportador de empresas, encontrando que lo afecta a través de tres canales: en la selección al mercado doméstico, en la selección al mercado de exportación, y en el nivel de exportaciones. En cambio Stirbat, Record y Nghardsaysone (2013) encuentran que la experiencia y las redes en mercados de exportación son los determinantes más relevantes para explicar la sobrevivencia de empresas que exportan. La fuente de heterogeneidad sectorial principalmente asociada a diferencias en tecnología presenta un desarrollo creciente en el marco utilizado como referencia. Parte de esta literatura se concentra en la relación entre contenidos de habilidades, conocimientos específicos y tecnología de las exportaciones, sobre el ingreso per cápita del país exportador (Basu y Das 2011) 4 . Nuestro trabajo toma los grupos sectoriales como una fuente potencial la heterogeneidad que afecta el desempeño externo, y evalúa la respuesta a nivel de empresas ante un deterioro agregado de precios relativos por grupos5. Los trabajos empíricos también han prosperado a nivel de América Latina en general y de Argentina en particular. Por ejemplo, Milesi y otros (2007) desarrollan un indicador de éxito exportador y lo aplican a 300 PyMEs de Argentina, Chile y Colombia. En el presente trabajo, el tamaño de la muestra es de más de 6000 observaciones, que incluyen cerca de un 40% de empresas exportadoras. Si bien se analizan descriptivamente los datos, se avanza sobre una estrategia de estimación con una estructura de datos en paneles desbalanceados y censurados, lo que permite testear la presencia de heterogeneidad no observada en el componente de error, aislar variables explicativas estimando su contribución al desempeño exportador, al tiempo que se focaliza sobre la heterogeneidad dinámica agregada, por región, sectores tecnológicos y tamaño de PyMEs. 2.2 Fuentes de heterogeneidad en la intensidad exportadora La distribución heterogénea de productividades y de competitividad externa por sectores y por regiones, determinan la posibilidad de explorar extensiones de interés sobre la dinámica general agregada. Al permitir que parámetros de costo relevantes varíen en forma heterogénea por grupos, de regiones o sectores, es posible aislar una fuente de variabilidad relevante tanto desde el punto de vista de la distribución territorial de actividades y empleo, como los niveles de complejidad y generación de valor agregado.
4
Estos trabajos tampoco consideran adecuadamente los canales de endogeneidad entre contenidos de exportaciones y nivel de ingreso per cápita, siendo el problema de causalidad inversa más patente: elevados niveles de ingresos están asociados a niveles de educación y tecnología más elevados, y de ahí surge el contenido de las exportaciones. 5 No estimamos productividad debido a limitaciones en los datos. Para una aplicación detallada de la metodología, con la definición de datos requeridos, y referencias sobre la estimación de productividades ver Arnold y Hussinger (2005). Página 7 de 32
La heterogeneidad de costos fijos y marginales no se distribuye de forma uniforme entre sectores y regiones, por lo que existirán sectores y regiones más afectados por el proceso de apreciación real del tipo de cambio. No todas las economías regionales tienen acceso a la misma estructura de energía; por esta razón y por las limitaciones de la escala del mercado local, tampoco acceden a la misma tecnología, ni a los mismos recursos. Además de los costos fijos, los costos de transporte de la comercialización es una variable clave en la estructura (iceberg costs). Los patrones de distribución geográfica de la producción resultan de la interacción entre estos elementos y resultan oportunos tomar la pregunta a nivel empírico, para incluir los siguientes determinantes: a) Escala o tamaño de la empresa. Dentro del marco presentado, la escala de las empresas afecta su desempeño externo en forma directa a través de beneficios antes de costos fijos y su relación con los costos fijos de exportación. En este sentido, si no existen diferencias sistemáticas en productividad en tipologías asociadas con el tamaño (por ejemplo, clusters geográficos o sectoriales), a menor escala mayor deberá ser el efecto negativo sobre el desempeño exportador de una empresa promedio. b) Distribución territorial de actividades. El tamaño del mercado local es uno de los factores distintivos en la nueva geografía económica que permite aglomeración de recursos, variedad y diferenciación de productos, y que por lo tanto afecta los criterios de radicación de las empresas, además de su tamaño, antes de exportar. Esta característica de atracción y aglomeración de actividades industriales diferenciadas en los mercados más grandes se conoce como "efecto del mercado local" (home market effects), que da origen a fuerzas centrípetas-centrífugas en las relaciones centro-periferia, y a patrones de especialización espacial como característica del comercio intra-industrial. A nivel doméstico, estas relaciones también persisten dadas las características heterogéneas de las regiones en cuanto a población, ingreso per cápita, ubicación; diferencias sistemáticas que deberían reflejarse en las tipologías regionales de inserción al comercio internacional. Más en general, pueden existir diferencias sistemáticas en las estructuras de costo de la empresa entre las regiones de mayor y las de menor tamaño. En términos prácticos, existen consideraciones para explicar diferencias en las elecciones de tecnologías y estructuras de costos. Por ejemplo, estructuras tecnológicas intensivas en energía van a ser menos viables en regiones donde la disponibilidad, la calidad y estabilidad de los sistemas de energía son relativamente inferiores. c) Clasificaciones sectoriales por tecnología. Las distinciones sectoriales por tecnología pueden descubrir distribuciones heterogéneas en clusters. En general los sectores productivos presentan distintas estructuras de costos, asociados a diferencias en la intensidad del uso de factores e insumos utilizados, por lo que reaccionan de manera Página 8 de 32
distinta al proceso de apreciación del tipo de cambio real. También la heterogeneidad tecnológica puede afectar los niveles de escala eficiente y los costos fijos asociados. En el caso de las clasificaciones tecnológicas de industrias usadas en la parte empírica, que se describen en el capítulo siguiente, los niveles de intensidad tecnológica pueden estar asociados a mayores niveles de concentración de mercado, mayor diferenciación de productos y por lo tanto mayor flexibilidad en la determinación de márgenes/precios.
3. Exploración descriptiva de los datos Los datos provienen de las encuestas anuales realizadas por el "Observatorio PyME Sectorial - Industria Manufacturera" administrado por la Fundación Observatorio PyME6. Se basan en formularios de encuestas a nivel de empresas, por lo que su principal atractivo radica en la homogeneidad de la información recolectada mientras que su desventaja principal se encuentra en los sesgos potenciales de los reportes. La base de datos abarca todas las regiones geográficas del país y cubre el período 2004-2011. Constituye una estructura de datos en panel desbalanceado con una cantidad máxima de 7.426 observaciones, correspondientes a 1.511 empresas sobre el período analizado, con un promedio de 4,2 observaciones por empresa Tabla 3.1 Descripción de variables más importantes Variable expo empleo empleo T-1 ventas T-1 t Regiones D.x
Descripción Participación de las exportaciones sobre el total de ventas en % Total de trabajadores ocupados a junio del año t Total de trabajadores ocupados a junio del año t-1 Monto anual de ventas en T-1 Conteo de tiempo en años t=0,...,7 de 2004-2011 Variable cualitativa para identificar a seis regiones: AMD, Centro, Cuyo, NOA, NEA y Sur. Dummies aplicadas a x (regiones, tiempo) Variable dummy que toma valor 1 si la empresa exporta al menos en un año en el período de Exportador muestra Transformaciones Transformaciones no lineales (log natural) sobre variable empleo T-1 y ventas T-1. Nota: Fundación Observatorio PyME, www.observatoriopyme.org.ar, sobre una muestra determinada por el INDEC.
En la e 4,2 observaciones por empresa
6
La Fundacion Observatorio PyME es una entidad sin fines de lucro, fundada por la Universitá di Bologna, la Organización Techint y la Unión Industrial Argentina (http://www.observatoriopyme.org.ar). Página 9 de 32
Tabla 3.1 se presenta una breve descripción de las principales variables utilizadas en
este trabajo. La variable de interés es el porcentaje de ventas totales de una empresa que se destina al mercado externo, expo. Las variables empleo y ventas son controles rezagados de escala, al tiempo que controlan por formas flexibles de tecnología, en la intensidad de uso del factor trabajo. Si bien la variable empleo también se muestra, en las regresiones se utilizan las variables rezagadas un período para reducir el problema de simultaneidad, al tiempo que no afecta la naturaleza del control. La variable binaria exportador toma valor 1 si la empresa ha exportado al menos una vez. En la Tabla 3.2 se presentan las estadísticas y se descomponen las principales variables en cuanto a su tipo de variación. En este caso la variable expo se describe considerando a todas las empresas, es decir que se incluyen tanto exportadores como no exportadores, por lo que su media se ve reducida (siendo de tan solo 5,7% las exportaciones sobre ventas) por la gran cantidad de empresas con porcentaje exportado igual a cero. Tabla 3.1 Resumen estadístico de las principales variables Variable
Variación Media Desvío St. Min Max Observaciones overall 15.533 0 100 Total = 6703 expo between 5.713645 14.982 0 100 Empresas = 2418 within 5.993 -53.001 71.464 T-bar = 2.772 overall 38.303 0 429 Total = 6802 empleo between 35.71009 40.240 0 400 Empresas = 2438 within 10.920 -124.96 285.04 T-bar = 2.790 overall 38.00 0 354 Total = 6719 empleo T-1 between 35.43161 39.42 0 354 Empresas = 2425 within 10.08 -89.57 209.77 T-bar = 2.771 overall 1.38e+07 0 2.60e+08 Total = 5.820 ventas T-1 between 6,595,283 1.30e+07 0 1.79e+08 Empresas = 2.195 within 5491054 -1.10e+08 1.23e+08 T-bar = 2.651 overall 0.49 0 1 Total = 6962 Exportador between 0.3983051 0.48 0 1 Empresas = 2459 within 0 0.40 0.40 T-bar = 2.831 Fuente: Fundación Observatorio PyME, www.observatoriopyme.org.ar. Nota: T-bar representa el promedio de años de observaciones por empresa. Mediante overall se obtienen estadísticos sobre el total de la muestra. Los within son observaciones sobre la variable tomada en desviación de la media de cada grupo o empresa.
En relación a la agrupación de empresas según ubicación geográfica y pertenencia sectorial, a continuación se definen los criterios de agrupamiento seguidos en este trabajo. i) Indicador de ubicación geográfica: Cada observación registrada en la base de datos disponible pertenece a una de seis macro regiones en las que se divide la Argentina. Las
Página 10 de 32
regiones incluyen: AMD (Área Metropolitana de Buenos Aires), CEN (Centro: Buenos Aires, Córdoba, Entre Ríos, La Pampa y Santa Fe), CUY (Cuyo: La Rioja, Mendoza, San Juan y San Luis), NEA (Noreste: Chaco, Corrientes, Formosa, Misiones), NOA (Noroeste: Catamarca, Jujuy, Salta, Santiago del Estero y Tucumán), SUR (Chubut, Neuquén, Río Negro, Santa Cruz y Tierra del Fuego). En la Tabla 3.3 se presenta la variable de interés (expo) para toda la población de empresas por regiones y en tres subgrupos: a) aquellas empresas que han exportado al menos una vez a lo largo del período analizado (exportador), con media de 14.7%, b) aquellas empresas que exportan en cada año (exportador activo) con un 19.6% y, c) toda la población de empresas con el 5.7% de exportaciones sobre ventas. También se puede apreciar la heterogeneidad regional de las PyMEs exportadoras, donde Cuyo, NEA y Sur sobresalen por la elevada participación de las exportaciones en el segmento encuestado. Estas diferencias se acentúan si se toman únicamente empresas que han exportado alguna vez o que efectivamente exportan en cada año. Tabla 2.3 Exportaciones sobre el total de ventas (expo) por regiones Región
Estadístico
Exportador*
Exportador Total Activo** Media 10.7 13.7 4.8 AMB Desviación estándar (14.9) (15.7) (11.3) Observaciones 1203 992 2676 Media 13.1 17.9 4.6 CEN Desviación estándar (19.8) (21.4) (13.3) Observaciones 660 535 1885 Media 23.6 33.2 10.0 CUY Desviación estándar (30.9) (31.7) (23.2) Observaciones 455 430 1077 Media 25.2 34.7 8.0 NEA Desviación estándar (32.5) (32.3) (21.7) Observaciones 121 96 382 Media 8.1 13.8 1.7 NOA Desviación estándar (16.8) (20.4) (8.3) Observaciones 79 54 378 Media 25.0 32.8 7.8 SUR Desviación estándar (29.6) (30.0) (20.1) Observaciones 95 75 305 Media 14.7 19.6 5.7 Total Desviación estándar (22.1) (23.5) (15.5) Observaciones 2613 2092 6703 Fuente: Fundación Observatorio PyME, www.observatoriopyme.org.ar. Nota: Las regiones incluyen: AMD (Área Metropolitana de Buenos Aires), CEN (Centro), CUY (Cuyo), NEA (Noreste), NOA (Noroeste), SUR. *La columna Exportador registra los correspondientes estadísticos para PyMEs que han exportador al menos una vez durante el período de muestra. ** Exportador Activo indica que se consideran solo las empresas con la variable expo estrictamente positiva.
Página 11 de 32
ii) Indicador de intensidad tecnológica: Desde el punto de vista sectorial, los agrupamientos utilizados en este trabajo provienen de una clasificación realizada por la OCDE en su informe “OECD Science, Technology and Industry Scoreboard 2005”. Si bien la OCDE computó varios indicadores para medir la intensidad tecnológica de los sectores manufactureros, en este trabajo elegimos como representativo al gasto en investigación y desarrollo medido en términos del valor agregado. En la Tabla 3.3 se muestran los sectores que originalmente consideró la OCDE, su definición en términos de la CIIU Rev. 3 y el valor del cociente “gasto en I+D / Valor agregado”. La división de industrias manufactureras en grupos de i) tecnología alta, ii) tecnología media-alta, iii) tecnología media-baja y iii) tecnología baja, se realiza estableciendo un ranking de industrias en base al promedio de intensidad del grupo confrontado contra el agregado de I+D para la OECD, véase OECD (2005). Tabla 3.4. Clasificación de empresas según intensidad tecnológica Variable
Industrias de tecnología alta
Industrias de tecnología media alta
Industrias de tecnología media baja
Industrias de tecnología baja
Descripción Maquinaria de computación y oficina Equipo de aviación Productos farmacéuticos Instrumentos médicos, ópticos y de precisión Equipo de comunicación, televisión y radio Material de transporte Maquinaria y aparatos eléctricos Equipo de transporte ferroviario y ncp. Químicos (excl. productos farmacéuticos) Maquinaria y equipo Coque, refinación de petróleo y combustible nuclear Metales básicos Construcción y reparación de embarcaciones Productos de caucho y plástico Otros productos de minerales no metálicos Productos fabricados de metal, exc. maq. y equipo Alimentos, bebidas y tabaco Manufacturas n.c.p. Textiles, productos textiles, cuero y calzado Madera, pulpa, productos de papel e impresiones
CIIU rev. 3 30 353 2423 33 32 34 31 352+359 24 exc. 2423 29 23 27 351 25 26 28 15-16 36-37 17-19 20-22
Nota: Elaboración propia en base a OCDE Science, Technology and Industry Scoreboard 2005.
En la Tabla 3.5 se presenta una tabulación cruzada resumen donde se aprecia las características de la muestra utilizada en las estimaciones empíricas sobre la dimensión territorial y la dimensión sectorial. Se puede apreciar como las industrias de mayor intensidad tecnológica tienen un mayor perfil exportador. En las industrias de tecnología alta, 2 de cada 3 empresas exportan, mientras que en las de baja intensidad menos de 1 de Página 12 de 32
cada 3. En términos de regiones, también se aprecia una mayor concentración espacial en las regiones centrales (AMBA y Centro) de las industrias con mayor intensidad tecnológica. Fuera de las regiones centrales no existen exportadores de alta tecnología. En la tabla se puede apreciar que la proporción de exportadores sobre el total de empresas no presenta mayor heterogeneidad entre regiones, con niveles superiores a 1/3 con la excepción de la región NOA con una proporción inferior a 1/4. Con respecto a la relación ventas sobre cantidad de empleados, se observa una mayor intensidad en el uso de mano de obra en las regiones de NEA y NOA, opuestos a ratios muy similares para las regiones de AMBA, Centro y SUR, mientras que la región de cuyo presenta un nivel intermedio.Estas dimensiones sugieren patrones agregados en función de la discusión en el marco teórico. En particular, la exposición regional a los shocks sistémicos negativos vía costos y niveles de diferenciación y adecuación tecnológica es más marcada en las regiones NEA y NOA, respecto a las demás regiones, mientras que la región Cuyo presenta una exposición intermedia. Tabla 3.5. Clasificación de sectores según intensidad tecnológica Variable
Variable N° de empresas N° exportadores Expo/ventas Ventas Empleo
AMBA 256 168 13.41 9.43 33.13
CENTRO 191 87 15.76 10.09 36.86
N° de empresas N° exportadores Expo/ventas Ventas Empleo
720 460 12.10 6.66 40.09
N° de empresas N° exportadores Expo/ventas Ventas Empleo
Industrias de tecnología baja
Total
Industrias de tecnología alta
Industrias de tecnología media alta
Industrias de tecnología media baja
CUYO 4 0 0.66 33.11
NEA 8 0 0.45 40.30
NOA 11 0 2.74 43.54
SUR 1 0 48.10
Total 471 225 14.21 9.24 35.86
529 305 12.98 8.60 43.61
124 74 12.55 4.75 8.50
16 4 27.33 0.61 9.63
65 17 4.85 5.18 28.09
41 23 3.14 6.59 6.00
1,495 883 12.11 7.05 40.34
1,031 464 8.58 6.72 30.16
592 180 10.54 5.50 38.27
225 58 7.56 3.70 27.38
43 5 4.53 3.65 7.63
98 13 4.21 5.24 40.12
69 16 16.45 5.19 50.20
2,058 736 9.05 5.81 33.57
N° de empresas N° exportadores Expo/ventas Ventas Empleo
983 301 9.14 7.31 31.19
759 191 14.64 8.52 32.54
822 376 27.60 5.22 27.46
372 134 25.78 3.59 31.29
234 56 11.04 6.07 44.84
229 67 35.06 12.89 40.24
3,399 1125 19.97 6.97 32.14
N° de empresas N° exportadores Expo/ventas Ventas Empleo
2,990 1,393 10.47 7.14 35.54
2,071 763 13.13 7.82 37.55
1,175 508 23.26 4.87 35.64
439 143 25.02 3.39 43.63
408 86 8.76 5.62 44.71
340 106 24.83 10.49 50.29
7,423 2999 14.49 6.82 38.50
Nota:OCDE.Fuente: Fundación Observatorio PyME, www.observatoriopyme.org.ar. Nota: Las regiones incluyen: AMD (Área Metropolitana de Buenos Aires), CEN (Centro), CUY (Cuyo), NEA (Noreste), NOA (Noroeste), SUR. En la Tabla 3.4 se muestran los sectores tomados de OCDE (2005) para la clasificación de industrias por intensidad tecnológica en términos de la CIIU rev. 3 y el valor del cociente “gasto en I+D / Valor agregado”.
Página 13 de 32
4. Resultados empíricos 4.1 Dinámica agregada de la intensidad exportadora En una primera etapa del estudio se realizó un análisis exploratorio, con la población completa de empresas PyME, aplicando diversas especificaciones para los modelos de regresión definidos en el Anexo. Los objetivos de tal exploración consistieron en a) verificar si en el agregado de empresas se verifican las relaciones que se esperan encontrar a priori, b) evaluar la robustez de los resultados ante especificaciones alternativas y c) la identificación de un modelo “óptimo” en términos de poder explicativo y parsimonia. Los modelos óptimos que surgieron de este análisis exploratorio se exponen en la Tabla 4.1. En las especificaciones (1) a (6) se considera la censura del porcentaje exportado, utilizándose el modelo Tobit con efectos aleatorios aplicado a la muestra completa de empresas PyME. En general se aprecia que la dinámica temporal del porcentaje exportado (i.e. intensidad exportadora) presenta una senda decreciente aunque moderada (tanto con el uso de una tendencia lineal como con las variables binarias anuales). Esto estaría indicando que las PyME en su conjunto muestran una orientación paulatina de sus ventas hacia el mercado interno, es decir, sus ventas en el mercado interno crecen (disminuyen) a una mayor (menor) tasa que las orientadas a mercados internacionales. Al no disponerse de información sobre cantidades exportadas, éstas pueden estar aumentando o decreciendo en un período cualquiera. Sin embargo, lo que se verifica considerando el período completo es la reorientación de las ventas hacia mercado interno. Dicha reducción de la intensidad exportadora coincide con lo que se espera encontrar al transcurrir un proceso de apreciación cambiaria vía aumento de precios relativos de bienes no transables versus bienes transables. Respecto al uso de modelos no lineales (Tobit), los efectos marginales sobre la esperanza de la variable dependiente expo fueron computados mediante la expresión (9) del Anexo.
Página 14 de 32
Tabla 4.1. Regresiones base y especificación
Tend lineal
(6)
(7)
(8)
-0.605*** (0.148)
-0.865*** (0.148)
-1.307*** (0.177)
13.37*** (0.762)
9.255*** (0.950)
Log Empleo, T-1
(9)
(10)
(11)
13.57*** (0.764)
9.316*** (0.950)
3.784*** (0.545)
Log Ventas, T-1
3.893*** (0.545)
2005
-2.241* (1.347)
-4.028*** (1.332)
-5.087*** (1.398)
2006
-2.931** (1.419)
-4.630*** (1.410)
-6.708*** (1.484)
2007
-4.698*** (1.495)
-7.276*** (1.502)
-9.142*** (1.605)
2008
-3.043** (1.407)
-6.682*** (1.407)
-8.766*** (1.506)
2009
-4.934*** (1.464)
-7.894*** (1.458)
-10.54*** (1.599)
2010
-4.194*** (1.425)
-6.820*** (1.413)
-9.304*** (1.546)
2011
-5.885*** (1.445)
-8.447*** (1.444)
-12.94*** (1.655)
37.10*** (1.032) 14.45*** (0.276) 7144 2470 Tobit PD
33.15*** (0.914) 14.14*** (0.275) 6947 2443 Tobit PD
32.52*** (0.938) 13.79*** (0.289) 5997 2211 Tobit PD
sigma_u _cons sigma_e _cons Observaciones Grupos Métod. Estimación
37.07*** (1.032) 14.49*** (0.276) 7144 2470 Tobit PD
33.14*** (0.915) 14.19*** (0.276) 6947 2443 Tobit PD
32.52*** (0.941) 13.86*** (0.291) 5997 2211 Tobit PD
Nota. Se reportan: Variable dependiente: exportaciones sobre total de ventas. Empleo T-1: cantidad de trabajadores empleados en T-1, Empleo2: Empleo T-1 al cuadrado. Errores estándar en paréntesis con *p< .10, **p< .05, ***p< .01. Año 2004 es el de referencia para la especificación en dummies por año. Método: Tobit PD: método de estimación de efectos aleatorios para datos censurados en paneles. Fuente: Fundación Observatorio PyME, www.observatoriopyme.org.ar.
Página 15 de 32
4.2 Shock sistémico e intensidad exportadora Habiendo presentado evidencia de una tendencia moderada de las PyME hacia la reducción de la intensidad exportadora, un paso adicional consiste en identificar el efecto de un shock sistémico sobre el porcentaje exportado. La idea es determinar un momento de quiebre, producido por un shock sobre los precios relativos, a partir del cual se profundiza la “reorientación internista” de las PyME. Con tal fin se incluyen en los modelos de regresión variables indicadoras de períodos de tiempo relevantes durante los cuales se pudieron haber manifestado, con mayor o menor fuerza, los efectos del shock. Recordemos que a partir del año 2007 se verifica el “boom” de precios de las materias primas que exporta Argentina, coincidiendo con un momento cercano al pleno empleo (y pleno uso del capital instalado). En efecto, una inflación anual de dos dígitos se afianza a partir del año 2007 según mediciones oficiales efectuadas por el INDEC. En la Tabla 4.2 se reportan los resultados para especificaciones que difieren en la forma de modelar el “timming” del shock sobre precios relativos, manteniendo los mismos controles de escala (empleo y ventas en el año previo). Comparando los resultados alternativos se hace evidente que el período 2007-2011 capta el mayor efecto negativo sobre el porcentaje exportado. Este efecto implica entre 1,2 y 1,5 puntos de caída en el porcentaje exportado de ventas, el cual posee una media igual a 19,5 en la muestra de empresas con exportaciones positivas. Por consiguiente, estamos en presencia de una caída en el porcentaje exportado de entre un 6,2% y un 7,7% durante el período 2007-2011 respecto del período 2004-2006. Los efectos estimados se mantienen similares al estimar el modelo usando dos submuestras de empresas, las cuales difieren en la cantidad de empleados, ver modelos (6) y (7) en la Tabla 4.2. Por lo tanto el tamaño de las empresas no tiene influencia en la estimación del efecto del shock, una vez que se controla por cantidad de empleados y ventas del año previo.
Página 16 de 32
Tabla 4.2 Desempeño exportador y dinámica macroeconómica
D.[2007-11]
(1)
(2)
-1.202*** (0.193)
-1.501*** (0.222)
(3)
(4)
(5)
(6)
(7)
-1.028*** (0.294)
-1.255*** (0.340)
-1.344*** (0.261)
-0.712*** (0.258)
D.[2007]
-0.981*** (0.185)
D.[2008-11]
D.[2009-11]
0.083 (0.326) -.913*** (0.186)
-0.475* (0.246)
LnEmpleo, T-1
2.427*** (0.235)
2.41*** (0.791)
2.43*** (0.235)
2.41*** (0.236)
2.37*** (0.236)
2.461*** (0.626)
1.798*** (0.401)
LnVentas, T-1
0.781*** (0.129)
0.812*** (0.129)
0.743*** (0.129)
0.727*** (0.129)
0.842*** (0.133)
0.332* (0.199)
1.322*** (0.187)
sigma_u _cons sigma_e _cons
32.68*** (0.946) 13.85*** (0.291)
32.63*** (0.944) 13.84*** (0.290)
32.74*** (0.949) 13.89*** (0.292)
32.79*** (0.951) 13.88*** (0.291)
32.62*** (0.944) 13.86** (0.291)
5997 2211
5997 2211
5997 2211
5997 2211
5997 2211
32.11*** (1.326) 11.71** (0.342) (Empleo, T-1)>36 1843 729
34.05*** (1.309) 15.32** (0.492) (Empleo, T-1)= 43
>= 53
>= 43
>= 74
>= 80
>= 72
Observaciones Grupos
540 220
365 149
224 94
56 23
62 25
69 22
Media del % exportado de Ventas
15
18
31
32.5
7
31
-6.7%
-4,7%
-10.7%
-8.5%
-33.8%
-4.7%
Regiones
sigma_e Número de Empleados
% del efecto sobre la media
Nota: AMD (Área Metropolitana de Buenos Aires), CEN (Centro), CUY (Cuyo), NEA (Nordeste), NOA (Noroeste), SUR (Sur).Variable dependiente: exportaciones sobre total de ventas. LnEmpleo T-1: logaritmo natural de la cantidad de trabajadores empleados en T1.LnVentas T-1: logaritmo natural del monto facturado por ventas en T-1. Errores estándar en paréntesis con *p< .10, **p< .05, ***p< .01. Fuente: Fundación Observatorio PyME, www.observatoriopyme.org.ar, sobre una muestra determinada por el INDEC.
Para facilitar la apreciación visual de los resultados, los dos gráficos siguientes presentan los efectos del shock sistémico en niveles (Gráfico 4.1) y como participación porcentual de la media del porcentaje exportado correspondiente por región/escala (Gráfico 4.2), ambos en valor absoluto, es decir con signo positivo. De los gráficos se desprende que las regiones donde las empresas de menor tamaño se ven más afectadas respecto a las de mayor escala son el AMB, Centro y NEA. Como se mencionó anteriormente, esta última región presenta el mayor efecto negativo para las PyMEs pequeñas, tanto en términos de nivel absoluto (llegando a 5,6) como en términos relativos (alcanzando el 15,5%). Mientras que AMB y Centro no difieren significativamente entre tamaño, ni en tamaño relativo al promedio, como se puede observar en el Gráfico 4.1 y 4.2.
Página 21 de 32
Gráfico 4.1 Efecto 2007-2011 (contracción) sobre el porcentaje exportado de ventas por tamaño
2
2
0
0
-2
-2
-4
-4
CEN
CUY
NEA
NOA
Pequeñas
Grandes
Pequeñas
Grandes
Pequeñas
Grandes
Pequeñas
Grandes
Pequeñas
Grandes
AMB
Grandes
4
Todas
4
Todas
6
Todas
6
Todas
8
Todas
8
Pequeñas
10
Todas
10
SUR
Nota: AMD (Área Metropolitana de Buenos Aires), CEN (Centro), CUY (Cuyo), NEA (Nordeste), NOA (Noroeste), SUR (Sur). Las líneas verticales corresponden a los intervalos de confianza (5%) centrados en el efecto estimado.
Gráfico 4.2 Efecto 2007-2011 (contracción) como participación porcentual sobre % exportado de ventas. 40% 35% 30% 25% 20% 15% 10% 5%
AMB
CEN
CUY
NEA
NOA
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
0%
SUR
Nota: AMD (Área Metropolitana de Buenos Aires), CEN (Centro), CUY (Cuyo), NEA (Nordeste), NOA (Noroeste), SUR (Sur). El efecto relativo se computa tomando el efecto absoluto sobre el porcentaje de exportaciones sobre ventas (gráfico anterior) dividiéndolo por el porcentaje correspondiente al promedio de porcentaje exportado para la región.
Página 22 de 32
Por el contrario, son las empresas de mayor tamaño las que registran efectos relativamente superiores en las regiones Cuyo y NOA. En términos del nivel absoluto del efecto predomina Cuyo con un 3,3 de caída, mientras que en términos de participación porcentual sobre la media prevalece NOA con una disminución del 33,8%. 4.5 Heterogeneidad por sectores tecnológicos En esta sub-sección se presentan los resultados que surgen de analizar el efecto del deterioro en precios relativos, sobre la intensidad exportadora, descomponiendo por sectores tecnológicos. Para ello fueron definidos cuatro sectores según su intensidad o nivel tecnológico, tal como se describió en la Tabla 3.4 de la Sección 3. A partir de la Tabla 4.6 y los modelos estimados (1)-(4) se aprecia una tendencia temporal negativa, que decrece a medida que aumenta el nivel tecnológico. De hecho, sólo las empresas de nivel Bajo y Medio-bajo presentan claros efectos estadísticamente significativos (con valores de -0.61 y de -0.26, respectivamente).
Tabla 4.6 Heterogeneidad por Sectores tecnológicos: tendencia (izquierda) y shock (derecha). Sectoressegún niveltecnológico
(1) Bajo
(2) Medio-bajo
(3) Medio-alto
(4) Alto
(5) Bajo
(6) Medio-bajo
(7) Medio-alto
(8) Alto
Ln Empleo
1.65*** (0.45)
2.0*** (0.28)
1.86*** (0.47)
3.4*** (0.82)
2.13*** (0.44)
2.08*** (0.28)
1.93*** (0.47)
3.45*** (0.82)
Ln Ventas
2.25*** (0.30)
0.41*** (0.14)
1.23*** (0.31)
-0.4 (0.37)
1.76*** (0.28)
0.34*** (0.14)
1.15*** (0.30)
0.49 (0.36)
t
-0.61*** (0.09)
-0.26*** (0.05)
-0.18* (0.1)
-0.22 (0.16) -2.06*** (0.36)
-1.08*** (0.24)
-0.68* (0.41)
-0.82 (0.72)
2760 1088
1602 666
1247 509
388 179
18.9
9.21
12.2
0
D.[2007-11]
Observaciones Grupos Media del % exportadode Ventas
2760 1088
1602 666
1247 509
388 179
% del efecto sobre la media -10.9% -11.7% -5.6% 0% Nota: Los sectores incluyen: Bajo (Sector de baja tecnología), Medio (Sector de media tecnología), Medio-Alto (Sector de media-alta tecnología), Alto (Sector de Alta Tecnología). Variable dependiente: exportaciones sobre total de ventas. LnEmpleo T-1: logaritmo natural de la cantidad de trabajadores empleados en T-1.LnVentas T-1: logaritmo natural del monto facturado por ventas en T-1. Errores estándar en paréntesis con *p< .10, **p< .05, ***p< .01.Método Tobit PD: método de estimación de efectos aleatorios para datos censurados en paneles. Efecto marginal reportado: sobre la esperanza condicionada de las empresas que exportan, ver expresión (9).Fuente:Fundación Observatorio PyME, www.observatoriopyme.org.ar, sobre una muestra determinada por el INDEC.
Página 23 de 32
El mismo patrón se observa en las estimaciones (5)-(8) respecto al efecto de shock sistémico, el cual presenta valores de -2.06, -1.08 y -0.68 para los sectores Bajo, Mediobajo, Medio-alto, respectivamente, y siendo no significativo para las empresas de alta tecnología. En términos relativos, respecto la media sectorial de la variable dependiente (expo), los efectos más importantes también se verifican para los dos sectores de menor nivel tecnológico, con un 10,9% (sector Bajo) y un 11,7% (sector medio). En todas las especificaciones y sectores se encontró un efecto positivo y significativo de la escala de producción, a excepción de la variable que representa las ventas totales y solo para el caso del sector de alta tecnología. Los resultados descriptos hasta aquí soportan la hipótesis desarrollada en el marco teórico sobre la resistencia que otorga un mayor nivel tecnológico a las empresas exportadoras, permitiéndoles mantener estable la proporción exportada de sus ventas totales.
4.6. Heterogeneidad sectorial y por escala de las PyMEs En este apartado se presenta evidencia sobre un efecto sectorial diferencial del shock sistémico, al estimar el mismo discriminando entre empresas de menor y mayor tamaño. La idea básica es la misma que la aplicada en la sub-sección 4.4, donde se buscó caracterizar un efecto diferencial a nivel regional. El criterio para clasificar a las empresas en pequeñas y grandes es el mismo seguido en el apartado 4.4, es decir, que las mismas estén por debajo o por encima del número de empleados promedio de su respectivo sector tecnológico. En la fila denominada "Número de Empleados", de las tablas 4.7 y 4.8, se reportan los mencionados promedios regionales de empleados de planta La Tabla 4.7 presenta los efectos estimados del shock sistémico sobre la intensidad exportadora, para cada sector tecnológico, correspondientes a las PyMES de menor tamaño (izquierda) y de mayor tamaño (derecha). Para una mejor apreciación visual, los resultados son expuestos gráficamente en los gráficos 4.3 y 4.4.Cotejando las estimaciones se verifican algunas diferencias relevantes entre empresas pequeñas y grandes.
Página 24 de 32
Tabla 4.7 Heterogeneidad sectorial del shock sobre empresas de menor tamaño (izquierda) y de mayor tamaño (derecha) y por sector de intensidad tecnológica Regiones Ln Empleo, T-1
(1) Bajo
(2) Medio-bajo
(3) Medio-alto
(4) Alto
(5) Bajo
(6) Medio-bajo
(7) Medio-alto
(8) Alto
1.86***
1.41***
1.86***
3.98**
2.25
3.91***
1.39
5.16
(1.41)
(1.20)
(1.56)
(3.73)
**
*
Ln Ventas, T-1
(0.625)
(0.42)
(0.67)
***
***
***
(0.333)
(0.180)
(0.39)
(0.56)
(0.482)
(0.268)
(0.542)
1.42*** (0.74)
-1.48*** (0.436)
-0.84*** (0.285)
-1.31*** (0.50)
-1.14 (0.81)
-2.5*** (0.655)
-2.63*** (0.625)
-1.324 (0.846)
-1.19 (1.79)
Número de Empleados
< 54
< 48
< 43
< 51
>= 54
>= 48
>= 43
>= 51
Observaciones Grupos
2174 909
1275 556
959 418
280 135
586
327
288
108
239
153
117
54
Media del % exportado de Ventas
18.4
7.7
10.6
11.7
19.7
11.7
15.4
18.1
% del efecto sobre la media
-8%
-11%
-12.4 %
0%
-12.7%
-22.5 %
-0%
0%
D.[2007-2011]
2.17
0.54
1.33
(1.16) -0.5
-0.53
0.09
1.07
Nota: Los sectores incluyen: Bajo (Sector de baja tecnología), Medio (Sector de media tecnología), Medio-Alto (Sector de media-alta tecnología), Alto (Sector de Alta Tecnología). Variable dependiente: exportaciones sobre total de ventas. LnEmpleo T-1: logaritmo natural de la cantidad de trabajadores empleados en T-1.LnVentas T-1: logaritmo natural del monto facturado por ventas en T-1. Errores estándar en paréntesis con *p< .10, **p< .05, ***p< .01. Método Tobit PD: método de estimación de efectos aleatorios para datos censurados en paneles. Efecto marginal reportado: sobre la esperanza condicionada de las empresas que exportan, ver expresión (9). Fuente: Fundación Observatorio PyME, www.observatoriopyme.org.ar, sobre una muestra determinada por el INDEC.
En primer lugar, los sectores tecnológicos Bajo y Medio-bajo siguen mostrándose afectados por el shock sistémico, pero presentan un efecto tanto absoluto como relativo más elevado para el caso de las empresas grandes. En este sentido, en el sector de baja tecnología las empresas pequeñas sufrieron un efecto relativo de -8% versus el -12.7% de las PyMES grandes. Por otro lado, en el sector de Media-baja Tecnología las empresas de menor tamaño enfrentaron un efecto del -11%, claramente inferior al -22.5% que acusaron sus análogas de mayor tamaño. En segundo lugar, el sector de Media-Alta tecnología, el cual presentaba un efecto débil del shock cuando no se discriminaba entre empresas grandes y pequeñas (ver subsección previa), solo acusa un efecto significativo económica y estadísticamente para el grupo de empresas pequeñas (igual a -1.31 en niveles y a -12.4% en términos relativos).
Página 25 de 32
Gráfico 4.3 Efecto del shock sistémico sobre el nivel del porcentaje exportado de ventas por sector de intensidad tecnológica y escala 5 4 3 2 1 0 -1 -2
Bajo
Medio-bajo
Medio-alto
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
-3
Alto
Nota: La clasificación de sectores se realiza según intensidad tecnológica en base a OCDE (2005). Las líneas verticales corresponden a los intervalos de confianza (5%) centrados en el efecto estimado.
Gráfico 4.4 Efecto del shock sistémico como participación porcentual sobre % exportado de ventas por sector de intensidad tecnológica y escala 25% 20% 15% 10% 5%
Bajo
Medio-bajo
Medio-alto
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
Grandes
Pequeñas
Todas
0%
Alto
Nota: La clasificación de sectores se realiza según intensidad tecnológica en base a OCDE (2005). El efecto relativo se computa tomando el efecto absoluto sobre el porcentaje de exportaciones sobre ventas (gráfico anterior) dividiéndolo por el porcentaje correspondiente al promedio de porcentaje exportado para la región.
Página 26 de 32
En tercer lugar, los sectores no afectados son el de alta tecnología, para ambos tamaños de empresas y el de media-alta tecnología solo para el caso de las PyMES grandes. Por último, se aprecia que las variables de control que representan la escala de producción tienen un mayor efecto positivo para las empresas de menor tamaño. Como conclusión principal, se tiene que un mayor tamaño relativo beneficia a las empresas de alta tecnología (en particular a las de nivel Medio-alto) y perjudica relativamente a las PyMES de menor nivel tecnológico. Además, el sector de más alto nivel tecnológico no se muestra afectado por el shock sistémico, independientemente del tamaño de las empresas que lo integran.
5. Comentarios finales En el presente trabajo se exploraron los efectos del deterioro de precios relativos sobre el desempeño exportador PyME para el caso argentino durante el período 2004-2011. El trabajo permite precisar el efecto sobre la dinámica exportadora del sector PyME en este contexto, y observar su descomposición en relación a las regiones geográficas y a los sectores tecnológicos. Además se explora, en ambas descomposiciones, la variabilidad del efecto según el tamaño de las empresas intervinientes. Los resultados apuntan a dos líneas generales. Por un lado, la contracción y redireccionamiento del sector hacia el mercado interno, más acentuado a partir del año 2007 y, por otro lado, la descomposición del efecto agregado a nivel territorial y sectorial, diferenciando en cada caso la influencia de la escala o tamaño de las unidades productivas. En general, los resultados son consistentes con las relaciones previstas en el marco teórico presentado. Desde el punto de vista territorial, las regiones que presentan un menor nivel de aglomeración resultan las más perjudicadas, tanto en términos absolutos como relativos. En particular, la región NEA aparece como el resultado más robusto a lo largo de las distintas especificaciones. Desde la perspectiva de sectores tecnológicos y tamaño de las PyMEs, las actividades con baja y media-baja tecnología son las que mayormente se reorientan al mercado interno, en especial las intensivas en mano de obra. Por otra parte, los sectores de alta y media-alta tecnología no mostraron variaciones significativas en su composición de exportaciones.
Página 27 de 32
Los resultados expuestos contribuyen a entender los efectos de la apreciación sobre la diversificación productiva agregada del segmento PyME, y también sobre la distribución territorial, sectorial y por tamaños del patrón de diversificación. Estas contribuciones resultan de interés teniendo en cuenta la asociación positiva del segmento PyME con variables socioeconómicas y de empleo. Los procesos de apreciación cambiaria afectan asimétricamente a las regiones según los tamaños de empresas medias, los patrones de diversificación y la orientación de la actividad productiva. Estas dimensiones afectan la capacidad de absorción de shocks negativos externos, en los distintos niveles analizados y, luego, también la estabilidad macroeconómica.
Bibliografía Arnold, J. Matthias, y Katrin Hussinger. "Export Behavior and Firm Productivity in German Manufacturing: A Firm-Level Analysis." Review of World Economics 141, nº 2 (2005): 219-243. Basu, Sudip Ranjan, y Monica Das. "Export structure and economic performance in developing countries. Evidence from nonparametric methodology." Policy Issues in International Trade and Commodities. Study Series N° 48. New York and Geneva, 2011. Bernard, A. B., J.B. Jensen, y P.K. Schott . "Firms in International Trade." Journal of Economic Perspectives 21, nº 3 (2007): 105-130. Bernard, Adrew, Bradford Jensen, Stephen Redding, y Peter Schott. "The Empirics of Firm Heterogeneity and International Trade." Annual Review of Economics 4 (2012): 283-313. Bernard, Andrew B. , J. Bradford Jensen, Stephen J. Redding, y Peter K. Schott. "The Empirics of Firm Heterogeneity and International Trade." Annual Review of Economics (Annual Reviews) vol. 4(1), nº 07 (2012): 283-313. Carlino, Alicia, Moira Carrió, Matías Hisgen, y Lucas Ferrero. "Comercio internacional, materias primas y enfermedad holandesa. El caso argentino." Ciclos en la Historia, la Economía y la Sociedad, Año XXI, Vol XX, Nº 41. 2013. Chaney, Thomas. "Distorted Gravity: The Intensive and Extensive Margins of International Trade." American Economic Review (American Economic Association) 98, nº 4 (September 2008): 170721. Corden, W. Max, y J. Peter Neary. "Booming Sector and De-Industrialisation in a Small Open Economy." Economic Journal, Royal Economic Society, 1982: vol. 92(368), , December, pages 825-48.
Página 28 de 32
De Gregario, José, y Wolger C. Wolf. "Terms of trade, productivity, and the real exchange rate." NBER. Cambridge, MA., 1994: Working Paper 4807. Devereux, Michael B., y Charles Engel. "Expenditure switching versus real exchange rate stabilization: competing objectives for exchange rate policies." National Bureau of Economic Research. NBER, 2006: Working Paper 12215. Ferrero, Lucas, y Matias Hisgen. "Dinámica exportadora PyME ante una apreciación sistémica del tipo de cambio real." Red PyME Mercosur. XVIII Reunión Anual. ISBN: 978-987-3608-02-5, 2013: 22-26. Ismail, Kareem. "The Structural Manifestation of the `Dutch Disease’: The Case of Oil Exporting Countries." IMF Working Paper, 2010. Konings, Jozef, y Hylke Vandenbussche. "Heterogeneous responses of firms to trade protection." Journal of International Economics 76, nº 2 (December 2008): 371-383. Krugman, Paul. "Increasing Returns, Monopolistic Competition and International Trade." Journal of International Economics 9, nº 4 (November 1979): 469-79. Krugman, Paul. "Scale Economies, Product Differentiation, and the Pattern of Trade." Editado por American Economic Association. American Economic Review 70 (1980): 950–959. Krugman, Paul. "The Narrow Moving Band, the Dutch Disease, and the Competitive Consequences of Mrs. Thatcher." Journal of Development Economics 27, 1987: 1-2:50. Manova, Kalina. "Credit Constraints, Heterogeneous Firms, and International Trade." Review of Economic Studies 80 , nº 2 (2013): 711-744. Melitz, Marc J. "The Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity." Econometrica, Econometric Society, 2003: vol. 71(6), pages 1695-1725, November. Melitz, Marc J., y Giancarlo I. P. Ottaviano. "Market Size, Trade, and Productivity." Review of Economic Studies, Wiley Blackwell, vol. 75(1), 2008: 295-316. Milesi, Dario, Virginia Moori, Verónica Robert, y Gabriel Yoguel. "Desarrollo de ventajas competitivas: pymes exportadoras exitosas en Argentina, Chile y Colombia." Revista de la CEPAL 92 (Agosto 2007): 25-43. OECD. "OECD Science, Technology and Industry Scoreboard." OECD PUBLICATIONS, PRINTED IN FRANCE. ISBN 92-64-01055-6 – No. 54077 2005, 2005. Papke, Leslie E., y Jeffrey M. Wooldridge. "Panel data methods for fractional response variables with an application to test." Journal of Econometrics 145 , 2008: 121–133.
Página 29 de 32
Rodrik, Daniel. "The Real Exchange Rate and Economic Growth." Brooking Papers on Economic Activity, 2008: Fall. Stirbat, Liviu, Richard Record, y Konesawang Nghardsaysone. "Determinants of Export Survival in the Lao PDR." Policy Research Working Paper, World Bank, 2013. Wagner, Joachim. "A Note on the Firm Size – Export Relationship." Small Business Economics 17, 2001: 229–237.
Anexo de metodología empírica
A.1 Especificación econométrica de base La estructura de los datos es de panel desbalanceado a nivel de empresa. Dejando de lado la heterogeneidad regional y sectorial, cada observación se identifica con una i a nivel de empresa y t para el período o año en que se realiza. La variable dependiente es la relación de exportaciones sobre total de ventas en porcentaje, expo, a nivel de empresa. La especificación básica es: (6) donde se destacan tres aspectos. En primer lugar, la variable pretende capturar la dinámica de la variable de interés mediante tres formas distintas: a) una tendencia lineal simple, b) una variable binaria por año y, c) una variable binaria que capture dos etapas separadas y distintas desde un punto de vista de la dinámica macroeconómica y los determinantes del tipo de cambio real. Las últimas dos se realizan tratando de identificar mejor los efectos de la apreciación teniendo en cuenta las distintas etapas a nivel macroeconómico que atravesó la Argentina durante el período de la muestra, como se discutió en los Gráficos 1-3 en la introducción. En segundo, se incluye el vector de controles . Dentro de los controles disponibles se consideran proxies de la escala de producción. Específicamente se toma la cantidad de empleados ocupados y el monto de ventas, ambas para el período T-1, y sufriendo transformaciones no lineales (log natural) se ser necesario. En tercer lugar, el componente de error varía según empresa y tiempo, y puede ser descompuesto y tratado de distintas formas. Un modelo general para el componente aleatorio de la estructura especificada en (6) viene dado por (7)
.
Página 30 de 32
Los componentes del error siguen un análisis de varianza en dos dimensiones. Si los componentes idiosincráticos por empresa y por año, son parámetros fijos a ser estimados, entonces el modelo toma la forma de modelo de componentes fijos o de efectos fijos. Si en cambio son aleatorios con media cero y varianza constante, el modelo toma la forma de componentes o efectos aleatorios. En este trabajo se persigue identificar el efecto del componente sistemático debido a la apreciación del tipo de cambio real persistente. Por lo tanto, consideramos a como un efecto fijo temporal y se estima directamente en distintas especificaciones, siendo uno de los principales parámetros de interés. Adicionalmente, la estructura de datos permite descomposiciones adicionales del término del error. Por ejemplo, , donde r tiene la característica de un efecto (fijo o aleatorio) por región; también puede incluirse un efecto por sector. Es decir que el componente de error genérico puede variar según empresa, sector, región, y tiempo. Por consiguiente puede ser descompuesto y tratado de distintas formas en la implementación, según los supuestos acerca de su naturaleza, individual y en la estructura de covarianzas con regresores y demás errores.
A.2 Estructura de datos censurados Los modelos de datos censurados se aplican generalmente cuando la variable dependiente es parcialmente continua pero tiene una masa de probabilidad positiva en un punto. En nuestro caso, la empresa puede tener una solución de esquina en el comercio exterior, con , decidida óptimamente o por restricciones no observables. Teniendo en cuenta que , la relación lineal aplicable para exportadores, implicada por el modelo (4), debe modificarse: *
+,
(8)
Esta especificación que incorpora la totalidad de la muestra (y no solo las empresas ( ), se que exportan) y toma en cuenta la no linealidad descripta, donde conoce como modelo Tobit para datos censurados (o Tobit tipo 1). En este marco, la esperanza condicional de interés en el presente estudio viene dada por (
)
(
),
(9)
Página 31 de 32
siendo ( ) ( ) ( ) es la inversa de la razón de Mills (inverse Mills ratio). En particular nos interesa estimar el cambio en esta esperanza ante un cambio en τ, es decir, el efecto marginal de un cambio en la variable de tiempo, el cual se define como (
) (10) {
(
)[
(
)]}
Como puede apreciarse en (9), el efecto marginal es igual a su análogo en el modelo lineal, , multiplicado por el factor de ajuste entre llaves. Como tal factor de ajuste toma valores entre 0 y 1, el efecto marginal en el modelo Tobit es inferior o igual al del modelo lineal. En la fase de estimación descripta en la próxima sección se aplica este modelo Tobit a la muestra completa y a diferentes sub-muestras, definidas según regiones geográficas, sectores tecnológicos y tamaños de empresas. Tal estrategia permite identificar heterogeneidades regionales y por escala de producción. Se descartó un modelo completo de interacciones entre y con dummies de región y tamaño a causa de la proliferación de parámetros y la dificultad que impone la multicolinelidad en la identificación de diferencias significativas.
Página 32 de 32
